智客 ZICQ
EN 登录 / 注册
智客前沿 大模型 #Microsoft Research #Skala #密度泛函理论 #计算化学 #AI for Science

微软发布Skala 1.1:推动密度泛函理论向预测性精度迈进

Mr.Xu 的头像

文 / Mr.Xu 智客前沿编译 · 审校

发布时间: · 5 次阅读

中文阅读 (Chinese) English Version
共读互动 选中正文任意句子即可高亮划线、写下你的技术批注,或一键生成金句引用卡。 直达讨论区 ↓

摘要:微软研究院发布Skala 1.1,这是其深度学习交换-相关泛函的最新版本,旨在提高计算化学中的密度泛函理论(DFT)精度。Skala 1.1在训练数据量上比前代版本增加了2.5倍,并在热化学、反应动力学和分子结构预测等关键领域表现出色。此外,Skala已集成到CP2K、Psi4、FHI-aims、ORCA和VASP等主流计算化学软件中,并引入了持续更新的性能基准,以帮助社区跟踪其性能提升。这一发布标志着计算化学模拟向更准确、更广泛应用的未来迈出了重要一步。


微软发布Skala 1.1:推动密度泛函理论向预测性精度迈进

微软研究院近日发布了Skala 1.1,这是其深度学习交换-相关泛函的最新版本,旨在提高计算化学中的密度泛函理论(DFT)精度。以下是此次发布的主要亮点:

  • 精度提升:Skala 1.1在训练数据量上比前代版本增加了2.5倍,在热化学、反应动力学和分子结构预测等关键领域表现出色。其在广泛使用的GMTKN55基准测试中,32个类别中排名第一,展示了其广泛的准确性和一致性。

  • 生态系统扩展:Skala现已集成到CP2K、Psi4、FHI-aims、ORCA和VASP等主流计算化学软件中,为这些平台的用户提供下一代DFT精度。此外,微软还推出了一个持续更新的性能基准,以帮助社区跟踪Skala的性能提升。

  • 数据驱动的改进:Skala的改进得益于微软研究院高精度化学数据集(MSR-ACC)的扩展。新增的电子亲和力和非共价簇等类别使训练数据在规模和多样性上都有显著提升,推动了Skala的持续进步。

  • 性能优化:Skala 1.1在GPU和CPU上的计算成本与半局域泛函相当,且在处理大型系统时表现优异。其效率在集成到不同软件包和硬件平台时得以保持,为用户提供了高效且准确的计算工具。

技术亮点解析

  1. 持续改进的模型架构:Skala采用了一种独特的持续改进方法,每个新版本都旨在取代前一个版本,而不是简单地积累新功能。这种方法使得Skala能够系统性地提升精度,同时保持计算效率。

  2. 跨平台集成:Skala的集成不仅限于开源社区,还包括与商业软件开发商的合作。这种广泛的集成策略确保了Skala能够被更广泛的研究人员和工程师使用,推动其在实际应用中的普及。

  3. 性能基准的引入:通过引入持续更新的性能基准,微软为Skala的用户提供了一个透明且可信赖的性能评估工具。这不仅有助于用户选择合适的计算工具,还为未来的研究提供了重要的参考数据。

行业影响与开发者建议

Skala 1.1的发布标志着计算化学领域的一个重要里程碑。其高精度和广泛的应用场景使其成为研究人员和工程师的理想选择。对于开发者而言,建议关注Skala的持续更新,并积极参与其开源社区,以充分利用其带来的技术优势。

结论

Skala 1.1的发布不仅展示了微软在AI驱动的计算化学领域的领先地位,还为未来的科学研究和工业应用提供了强大的工具。随着Skala的不断改进和扩展,其在推动材料科学、催化、能源技术和药物发现等领域的进步方面将发挥越来越重要的作用。


消息来源:Microsoft Research AI (2026-08-20)

—— 完 ——

主题标签: #Microsoft Research #Skala #密度泛函理论 #计算化学 #AI for Science

编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。

读完这篇,你的第一判断是?
🚀 去【作品】晒出你的相关实践

社区整体评论区

正在加载实时智能评论与划词标注…